una tecnica per la regressione locale - Department of Mathematics ...

More documents

Recommendations

Info

na.action : indica il trattamento da riservare ai valori mancanti nella rispostae nei predittori. Il suo valore di default si ottiene tramite ilcomando ’getOption(na.action).model : assume solo i valori TRUE e FALSE. Se si specifica ’model=TRUE’si impone che in uscita sia fornito anche il model frame.span : è il parametro α, il quale controlla il grado di regolarità della stimaloess.enp.target : modo alternativo per fissare l’argomento ’span’; approssimazionedel numero di parametri equivalenti da utilizzare.degree : grado dei polinomi da usare per la stima locale; assume solo i valori1 o 2.parametric : argomento che serve a imporre che la superficie sia condizionatamenteparametrica rispetto a uno specifico sottoinsieme dei predittori;i predittori interessati possono essere indicati per nome, numero,oppure attravero un vettore logico di lunghezza pari al numero deipredittori.drop.square : per stime con più di un predittore e ’degree=2’, serve adomettere il termine quadratico (e i termini misti) relativamente ad alcunipredittori; tali predittori vengono indicati nel modo già visto per’parametric’.normalize : se si pone ’normalize=TRUE’, in presenza di due o più predittorinumerici, essi vengono normalizzati ad una scala comune. La normalizzazioneviene fatta utilizzando le stime 10% trimmed per mediae varianza.family : argomento relativo alla natura dei termini di errore; se gli si attrubuisceil valore ’gaussian’ la stima è fatta nel modo classico, se invecesi pone ’family=symmetric’ si ottiene una stima resistente agli outliers.98
method : di default assume il valore ’loess’, che implica che venga svolta lastima; se invece si pone ’method=c(model.frame)’, viene semplicementeestratto il model frame e non viene calcolata alcuna stima.control : serve per gestire i parametri di controllo, i quali consentono di richiedereche la superficie sia ottenuta per calcolo diretto in ogni punto,invece che tramite interpolazione, e che le statistiche ad essa associatenon siano ottenute per approssimazione ma attraverso valutazioneesatta.VALORE:Ciò che la funzione loess restituisce è un oggetto di classe ’loess’; essoforisce parecchie informazioni, il cui elenco si può ottenere tramite ilcomando ’names(nome oggetto)’, e in particolare contiene le stime ĝ(x) incorrispondenza di ciascun valore dei predittori con i relativi residui.A.2 KsmoothUSO:ksmooth(x, y, kernel=c(box,normal), bandwidth=0.5, range.x=range(x),n.points=max(100, length(x)), x.points)ARGOMENTI:x : vettore contenente le osservazioni del predittore.y : vettore contenente le osservazioni della risposta.kernel : funzione nucleo da usare.bandwidth : ampiezza di banda.range.x : range di punti che si vuole sia coperto dall’output.n.points : numero di punti in corrispondenza dei quali si vuole sia condottala stima.99
Page 1 and 2:
POLITECNICO DI MILANOFacoltà di In
Page 3 and 4:
IndiceIntroduzione 31 La regression
Page 5 and 6:
IntroduzioneArgomento di questa tes
Page 7 and 8:
logia propria della regressione lin
Page 9 and 10:
1.1.2 Caratteristiche dei termini d
Page 11 and 12:
Esempi illustrativiPer mostrare ope
Page 13 and 14:
sta interpolando anche i termini di
Page 15 and 16:
il quadrato di uno di essi, ciò ch
Page 17 and 18:
1.3 Inferenza statistica1.3.1 Stima
Page 19 and 20:
parametriche nelle quali i due valo
Page 21 and 22:
1.3.3 Il numero di parametri equiva
Page 23 and 24:
1.3.4 Errori con distribuzione simm
Page 25 and 26:
1.4 Metodi computazionali per la va
Page 27 and 28:
Figura 1.7: albero k − dIn Figura
Page 29 and 30:
mente interpolanti univariati, ovve
Page 31 and 32:
di lisciamento, è fissato ed è so
Page 33 and 34:
Figura 2.2: α = 0.1Figura 2.3: α
Page 35 and 36:
2.1.2 Funzioni di tipo splineUn’a
Page 37 and 38:
formulazione generale del tipoy = g
Page 39 and 40:
dall’integrale di g ′′ (x) 2
Page 41 and 42:
La funzione smooth.spline di R offr
Page 43 and 44:
E(ĝ(x)) − g(x) = g(x)g ′′ (x
Page 45 and 46:
2.2.3 Gradi di libertàNei modelli
Page 47 and 48:
2.3.1 Determinare il valore dei par
Page 49 and 50: zata, applicata giustamente in quan
Page 51 and 52: Essendo σ 2 la varianza dei termin
Page 53 and 54: Capitolo 3Tecniche a confrontoTutte
Page 55 and 56: Figura 3.2: osservazioni perturbate
Page 57 and 58: che costituisce lo spazio dei predi
Page 59 and 60: Figura 3.7: presenza di outliersIn
Page 61 and 62: Figura 3.9: stime ottenute tramite
Page 63 and 64: family da quello di default, gaussi
Page 65 and 66: Figura 3.11: esempio di regressione
Page 67 and 68: molto rapidamente, quindi se il num
Page 69 and 70: 1. V 1: depositi bancari e postali2
Page 71 and 72: Figura 4.2: istogramma relativo all
Page 73 and 74: zona geografica, sesso e titolo di
Page 75 and 76: superficie ottenuta è stata stimat
Page 77 and 78: tra Nord e Sud e Isole.interazione
Page 79 and 80: Figura 4.14: Italia, donneDalle cur
Page 81 and 82: Figura 4.18: Nord, donneFigura 4.19
Page 83 and 84: Figura 4.22: Centro, donneFigura 4.
Page 85 and 86: Figura 4.26: Sud e Isole, donneDa t
Page 87 and 88: Figura 4.29: Italia, basso titolo d
Page 89 and 90: Figura 4.32: Nord 1 − (V 1 + V 2)
Page 91 and 92: Figura 4.36: Centro 1 − (V 1 + V
Page 93 and 94: Figura 4.40: Sud e Isole 1 − (V 1
Page 95 and 96: Figura 4.43: grafico dei residuiQue
Page 97 and 98: appena rimarcati, l’ampiezza di b
Page 99: Appendice ALe funzioni R utilizzate
Page 103 and 104: cv : serve per selezionare il param
show all

una tecnica per la regressione locale - Department of Mathematics ...

Create successful ePaper yourself

Delete template?

Save as template?